Transcript Nuove tendenze nella psicologia odierna

Nuove tendenze nella psicologia
odierna
A cura di Eleonora Bilotta
Indice
Cognitive science
Approccio
dinamico
alle
scienze cognitive
Human Computer Interaction
Intelligenza Artificiale
Agenti autonomi
Sistemi
multiagenti
e
Intelligenza
Artificiale
distribuita
Giocattoli che pensano e che
comunicano
Computer
indossabili
Robotica
Studi sulla coscienza
Reti neurali e connessionismo
Fuzzy Logic
Neuroscienze e Brain Imaging
Linguistica computazionale
Vita artificiale
Cognitive science
La Scienza Cognitiva è un settore di studio che si sta
rapidamente espandendo che ha lo scopo di capire i
processi mentali che soggiacciono alle abilità. Filosofi,
Psicologi, Linguisti, Neuro-scienziati e ricercatori della
Computer Science in questo settore studiano i processi
di base dell’attività cognitiva cercando di creare modelli
computazionali che possano essere utilizzati da altri
sistemi intelligenti (agenti, robot, sistemi diffusi
nell’ambiente, intrattenimento, educazione).
Cognitive science
La Scienza cognitiva si interessa di:
Quali sono le componenti di base dei processi cognitivi?
Sono in qualche modo sussunti da un meccanismo
mentale comune? Qual’ è la relazione tra l’apparato
fisico e la cognizione?
Le
aree
investigate
includono:
acquisizione
dell’informazione e
meccanismi di processamento
dell’informazione che soggiacciono ad abilità cognitive
quali
percezione,
riconoscimento,
stivaggio
dell’informazione e suo ritrovamento, acquisizione del
linguaggio, comprensione e produzione, acquisizione di
concetti, problem solving e ragionamento.
Scienza Cognitiva
La Scienza Cognitiva è lo studio dell’intelligenza e dei
sistemi intelligenti, con particolare riferimento al
comportamento intelligente inteso come computazione.
Sebbene nessuna definizione soddisfacente sia stata
proposta ancora oggi, tutti gli esseri umani sono capaci
di giudicare quando un determinato comportamento
possa essere definito intelligente. Il range di
comportamenti intelligenti è molto vasto ed articolato, e
va dalla risoluzione di problemi, alla risposta adeguata
ad una domanda, alla creazione di manufatti
interessanti, belli o nuovi. Solitamente il termine
intelligenza viene applicato a questo insieme diverso di
comportamenti in quanto si presuppone che
soggiacciano a tali processi un insieme comune di
caratteristiche e di unità funzionali che svolgono le
attività.
Scienza Cognitiva
I test di intelligenza, organizzati su tali attività differenti ci
permettono di comparare persone differenti attraverso
una valutazione utilizzata come scala di valori di
riferimento. Ci sono batterie di test che permettono la
valutazione di compiti veramente diversificati, dalle prove
di vocabolario a quelle di logica a quelle della risoluzione
di problemi. Per rispondere ad alcune di queste prove i
soggetti devono possedere una specifica conoscenza
dell’argomento, per altre nessuna conoscenza specifica
è richiesta, in quanto si presuppone che i contenuti siano
familiari alla maggior parte degli esaminati.
Oggi noi attribuiamo intelligenza sia agli umani che ai
sistemi non umani, in particolare ai computer. Non tutti
accettano questo punto di vista, ma è possibile definire
quest’ultimi
come
intelligenti
se
esibiscono
comportamenti analoghi a quelli umani. L’intelligenza
deve essere interpretata giudicando l’abilità dei sistemi
Scienza Cognitiva
La Scienza Cognitiva, definita come lo studio dell’intelligenza e dei
suoi processi computazionali, può essere interpretata in numerosi
modi. E’ possibile costruire una teoria dei processi intelligenti,
completamente divisa dallo specifico sistema fisio o biologico in cui
viene ravvisata o implementata. E’ possibile studiare l’intelligenza
umana o animale, cercando di estrarre una teoria dei processi
intelligenti attraverso lo studio del comportamento degli organismi
intelligenti.Oppure è possibile studiare l’intelligenza dei computer,
cercando di capire i principi computazionali che soggiacciono
all’organizzazione e al comportamento dei programmi intelligenti.
La Scienza Cognitiva segue queste tre strade. Un esempio di teoria
astratta dell’intelligenza è la logica formale. Per oltre un secolo, la
psicologia sperimentale ha studiato l’intelligenza di soggetti umani e
animali nei laboratori.
Scienza Cognitiva
Mentre dal 1950 con la pubblicazione del saggio Computing
Machinery and Intelligence di Turing, è sorto quella parte della
scienze dei computer detta intelligenza artificiale che studia
l’intelligenza esibita dalla macchine.
Quindi è possibile definire la Scienza Cognitiva come lo studio
dell’intelligenza e dei suoi processi computazionali negli umani e
negli animali, nei computer e come è possibile che si realizzi
attraverso teorie formali o astratte. Potrebbe essere interessante,
dal punto di vista didattico, analizzare le parti comuni a questi tre
differenti tipi di approcci allo studio dell’intelligenza per vedere come
queste strade si siano diversificate o unite dando avvio alla nascita
alla Scienza Cognitiva.
Scienza Cognitiva
Le principali discipline che confluiscono nella Scienza Cognitiva
Norman (1981) suggerisce le principali discipline che hanno
permesso la nascita della Scienza Cognitiva. Fra queste l’autore
individua la psicologia sperimentale e cognitiva, l’intelligenza
artificiale (con la computer science), la linguistica, la filosofia (in
particolare modo la logica e l’epistemologia) le neuro-scienze e
alcune altre fra le quali vi sono l’antropologia, l’economia, la
psicologia sociale.
Psicologia
Fin dagli inizi, la Psicologia si è occupata di intelligenza. I testi di
Binet-Simon sono dell’inizio del secolo ventesimo. La scuola del
behaviorismo, che ha imperato per quasi tutta la metà del secolo, ha
impedito agli psicologi sperimentali di vedere cosa succedeva
all’interno dell’organismo, concentrando la maggior parte delle
investigazioni nel comportamento manifesto.
Scienza Cognitiva
La ricerca sul cervello ha contribuito allo sviluppo della
conoscenza della localizzazione delle funzioni al suo
interno; mentre invece gli studi che riguardano i processi
intellettivi sono molto scarsi. Gli sperimentalisti in questo
periodo, si sono focalizzati sull’esecuzione relativamente
semplice di compiti cognitivi, ponendo l’accento sui
processi sensoriali e motori, sul coordinamento mano
occhio, sui compiti di memoria e sull’acquisizione di
concetti e di procedure linguistiche. L’intelligenza di
animali quali i ratti e i piccioni era più studiata di quella
degli umani. Il compito di sviluppare teorie coerenti
sull’intelligenza umana e animale (soprattutto di
complesse azioni intellettive come la formazione dei
concetti e il problem solving) fu lasciato agli psicologi
della Gestalt Theorie fra i quali possiamo ricordare
Koelher, Koffka, Duncker Wertheimer ed altri.
Scienza Cognitiva/6
I contributi alla Scienza Cognitiva furono portati dalla psicometria
con le sue misure dell’intelligenza e delle componenti
dell’intelligenza; dalla neurofisiologia che ha indagato sulle strutture
biologiche che permettono il pensiero; dalla psicologia sperimentale
che ha indagato sulla velocità e i limiti dell’acquisizione
dell’informazione durante i processi sensoriali, percettivi, motori e di
memoria; dagli psicologi della Gestalt che hanno avanzato
interessanti ipotesi sui processi che avvengono durante i compiti di
pensiero. Ognuno di questi indirizzi aveva un proprio paradigma e
tendeva a mantenere posizioni estremamente separate quando non
erano conflittuali. Era necessaria la messa a punto di un nuovo
paradigma che mettesse tutti d’accordo.
Il cambiamento si ebbe con l’avvento dello Human information
processing intorno agli anni 50-60. Secondo questo approccio, il
pensiero è un processo di manipolazione di simboli e la
simulazione.
Scienza Cognitiva/6
I concetti chiave della Scienza cognitiva
Howard Gardner (1984) nel suo libro ‘The Mind’s New
Science’, sostiene che i concetti chiavi del settore di
studio che attualmente va sotto il nome di Scienza
Cognitiva sono:
Rappresentationi
Quali sono le forme di rappresentazione mentali che usa
l’uomo per risolvere problemi e per comprendere il
mondo? Per cui, lo studio dell’intelligenza nelle moderne
Scienze Cognitive è diventato lo studio delle
rappresentazioni (visuali, linguistiche, sonore, ecc.)
concepite in modo computazionale.
Computer Models
La Scienza cognitiva è influenzata dai computer coe
metafora centrale per rappresentare la mente umana.
Molti scienziati che appartengono a tale settore
utilizzano i computer per simulare teorie della mente che
possono essere formulate attraverso espressioni
algoritmiche. Il computer, in tal modo, fornisce una
provadi concetto di una teoria ( se si può dimostrare che
la teoria funziona bene sul computer), essa diventa una
più fondata teoria della mente come risultato. Gli
scienziati di Intelligenza Artificiale ritengono che il
computer sia l’ultima e più brillante metafora che si può
utilizzare e sfruttare per descrivere il cervello in termini di
meccanismi.
Scienza Cognitiva/7
De-Emfasi sulla Cultura, Contesto, Storia and
Sentimento
La Scienza Cognitiva, nel suo sforzo di rappresentare
teorie della mente in modo algoritmico, ha sottovalutato
o non considerato il tuolo della cultura e della storia nel
pensiero e l’operazione di un agente cognitivo.
L’obiettivo principale della Scienza Cognitiva è quello di
modellare direttamente gli aspetti del pensiero, trattando
gli aspetti culturali e contestuali come variabili che
influenzano in modo circoscritto i processi di pensiero.
Questa concentrazione sul cuore funzionale della mente
è stata praticata da Chomsky e dai suoi seguaci nella
Linguistica moderna, che ha sfruttato simili assunzioni
facendo convergere la ricerca verso lo studio dei
meccanismi del linguaggio umano.
Credo nella Cooperazione Inter-Disciplinare
La Scienza Cognitiva è per definizione uno sforzo
interdisciplinare in quanto la mente umana non può
essere investigata fruttuosamente da una singola scuola
di pensiero o di ricerca, al contrario di quanto fanno i
Linguisti che vedono il linguaggio come un processo
separato dalle altra facoltà mentali quali la visione, la
memoria o la percezione. Un nuovo settore della
Linguistica, detta Linguistica Cognitiva si pone in antitesi
con questa visione, focalizzandosi sugli aspetti interdisciplinari del linguaggio e conosciuta come la Scienza
Cognitiva del linguaggio.
Approccio dinamico alle scienze
cognitive
Approccio dinamico
Presentazione del modello
Per più di tre decadi o più
il campo
delle scienze cognitive
stato dominato
dall'intelligenza artificiale, approccio
basato sul paradigma computazionale che
modella e organizza la cognizione come una
manipolazione sequenziale di strutture
simboliche
discrete.
Attualmente
i
ricercatori
stanno
sviluppando
nuovi
modelli e descrizioni alternativi. Una di
queste possibilità
l'approccio dinamico
alle scienze cognitive.
Tale indirizzo di studi non è nuovo; l'uso
della
dinamica
fu
prominente
nella
cibernetica nel periodo che va dal 1945 al
1960 e ci sono stati programmi di ricerca
su tale base sin da allora. In anni
recenti ci sono stati due importanti
sviluppi. Il primo include il declino
d'autorità del paradigma computazionale
che ha generato, come conseguenza un
aumento incredibile delle ricerche basate
sull'approccio dinamico. Il secondo, si
basa
sull'idea
che
la
dinamica
non
fornisca solo un insieme di strumenti
matematici, ma anche una profonda e
differente prospettiva sulla natura dei
sistemi cognitivi. I ricercatori di questo
settore condividono non solo un linguaggio
matematico ma anche una comune visione del
Approccio dinamico alle scienze
cognitive/2
Visione storica dell'approccio dinamico
Il problema che ha sempre dominato la
psicologia
e
le
scienze
cognitive
arrivare ad una chiara definizione delle
cause del nostro comportamento, dalle
attività più elementari che noi svolgiamo
nella nostra vita quotidiana a quelle più
complesse che, per esempio, utilizziamo
quando lavoriamo o quando pensiamo e
scriviamo. Lo scopo ultimo descrivere la
cognizione, in altre parole i meccanismi
soggiacenti a tali attività, gli stati
mentali e i processi che sono messi in
atto.
Per decenni le scienze cognitive sono
L'approccio informazionale prevede
che gli organi di senso veicolino
stimoli verso i centri che li
elaborano, in raccordo con gli scopi
che
l'individuo
deve
portare
a
termine. I sistemi di pianificazione
inferiscono dalle basi di conoscenza
cosa deve essere fatto e inviano
ordini
agli
organi
motori,
che
eseguono
un
set
d'azioni
appropriate. Nella sua versione pi
brillante, l'approccio computazione
fa una serie d'ulteriori assunzioni.
Le rappresentazioni sono strutture
statiche di simboli discreti. Le
Approccio dinamico alle scienze
cognitive/3
Queste
trasformazioni
sono
discrete,
effettivamente istantanee e sequenziali.
Il computer mentale visto come un insieme
di
moduli
ognuno
responsabile
per
differenti compiti di processazione di
simboli.
Un
modulo
accoglie
le
rappresentazioni simboliche come input e
computa rappresentazioni simboliche in
output. Alla periferia del sistema ci sono
trasduttori d'input e d'output, in altre
parole
strutture
che
trasformano
la
stimolazione
sensoriale
in
rappresentazioni
d'input
e
rappresentazioni d'output in movimenti
fisici. L'intero sistema, e ognuno dei
suoi moduli, opera ciclicamente: input,
L'approccio computazione fornisce una struttura
molto potente per sviluppare teorie e modelli dei
processi cognitivi. Il classico lavoro di Newell,
Simon e Minsky fu uno dei primi. Su questa scia,
centinaia di modelli furono prodotti. Ognuno di
tale
produzione
puq
divergere
per
alcuni
particolari dal modello base, ma quasi tutti
concordano con le sue assunzioni pi profonde.
Secondo Kuhn l'approccio computazionale può essere
definito dome un paradigma di ricerca in quanto
definisce un
ventaglio
d'interrogativi
e
le
risposte a tali interrogativi; fornisce inoltre un
insieme d'esemplari, ovvero classici pezzi di
ricerca che definiscono come la cognizione deve
essere pensata e cosa conta per creare un modello
di successo. Migliaia di libri sono stati dedicati
alla sua articolazione e difesa. Sfortunatamente
tale approccio ha un piccolo problema: i sistemi
di cognizione naturali della gente o di altre
specie animali non sono computers.
Approccio dinamico alle scienze
cognitive/4
Uno dei problemi principali che definisce
il
fallimento
dell'approccio
computazionale
il tempo. I processi
cognitivi e i loro contesti si attuano
continuamente e simultaneamente in tempo
reale.
I
modelli
computazionali
specificano sequenze discrete di stati
interni statici in stati arbitrari di
tempo (T1, T2).
Prendiamo per esempio il processo di
decisione. Voi avete un ventaglio di
scelte, e considerate prima una e poi le
altre. In tale scelta, c’è esitazione,
ansietà. Arrivate ad una scelta, ma
l'attrazione
per
un'altra
alternativa
Approccio dinamico alle scienze
cognitive/5
Qual i l'alternativa all'approccio computazionale?
In anni recenti, molta gente si i rivolta al paradigma alternativo, il
connessionismo, in altre parole la modellazione di processi cognitivi usando reti
d'unit neurali come alternativa. Ma tali proposte spesso disistimano la profondità
e la pervasività delle assunzioni computazionali. La maggior parte dei lavori
connessionisti i solo una variazione del computazionalismo, sostituendo patterns
d'attivazione ai simboli. L'alternativa dovrebbe essere un approccio allo studio
della cognizione che comincia dall'assunto che i processi cognitivi accadono nel
tempo. Tempo reale. Esiste gi una struttura matematica per descrivere come i
processi in un sistema naturale si sviluppano nel tempo reale. E' il modello
dinamico. Tale sistema i quello pi utilizzato, il pi potente e di successo il pi
sviluppato e compreso nella struttura descrittiva di tutte le scienze naturali. E'
usato per spiegare e predire i fenomeni pi diversi quali i moti subatomici, il
sistema solare, i flussi dei fluidi e gli ecosistemi.
Perché non utilizzarlo per descrivere i processi cognitivi?
Per cui si può affermare che un approccio alternativo i l'approccio dinamico allo
studio dei processi cognitivi. Il cuore i l'applicazione degli strumenti matematici
della dinamica allo studio della cognizione. La dinamica fornisce una vasta
disponibilità di concetti e di strumenti di modellizzazione.
Approccio dinamico alle scienze
cognitive/6
Da quest'assunto si ricava che il sistema cognitivo non i un computer, i un sistema
dinamico. Il sistema cognitivo non i una manipolazione sequenziale e discreta di
strutture rappresentazionali statiche; piuttosto, i una struttura di cambiamento
influenzantesi, muti e simultanei. I suoi processi non accadono nel tempo
arbitrario e discreto dei passi del computer. Piuttosto essi si dispiegano nel
tempo reale del cambiamento che avviene nell'ambiente, nel corpo e nel sistema
nervoso. Il sistema cognitivo non interagisce con altri aspetti del mondo passando
messaggi o comandi. Esso evolve continuamente con loro. L'approccio dinamico non
un'idea nuova. Le teorie dinamiche sono state compresenti all'interno delle scienze
cognitive. Non i una visione di come le cose dovrebbero essere fatte, ma una
modalità gi esistente, per esempio nella modellazione neurale, nelle neuroscienze
cognitive, nella robotica situazionale, nel controllo motorio e nella psicologia
ecologica.I modelli dinamici si stanno sviluppando nella psicologia cognitiva, la
psicologia dello sviluppo e persino in alcune aree della linguistica. In breve,
l'approccio dinamico i un modo di riorganizzare concettualmente le scienze
cognitive e come sono attualmente praticate. L'approccio dinamico sarà presentato
nelle sue linee essenziali. Gli studiosi dell'approccio dinamico sono gruppi
altamente diversi e nessuna caratteristica li potrebbe descrivere in modo coerente
anche se le posizioni che rappresentano sono uno standard dell'approccio dinamico.
Tale modo può servire come un punto di riferimento per la comprensione della
ricerca dinamica. L'intento principale di tale approccio i quello di comprendere i
sistemi cognitivi naturali, cioè i sistemi biologici evoluti come gli umani e gli
altri animali.
Approccio dinamico alle scienze
cognitive/7
Che cos’è l'approccio dinamico?
Il cuore dell'approccio dinamico può essere succintamente espresso nella forma di
un'ipotesi empirica molta vasta sulla natura della cognizione. Per decenni, la
filosofia delle scienze cognitive i stata dominata dall'ipotesi computazione e cioè
che i sistemi cognitivi sono un genere speciale di computer. L'approccio dinamico
ritiene che i sistemi cognitivi naturali possano essere compresi dalla prospettiva
dinamica. Per questo essi, all'interno di questo nuovo paradigma di ricerca, sono
visti come sistemi cognitivi dinamici.
La nozione di sistemi dinamici
presente in un largo ventaglio di contesti
matematici e scientifici. Tali sistemi dinamici sono caratterizzati da stati
numerici che evolvono nel tempo secondo alcune regole. Per cominciare si può
affermare che un sistema i un insieme di aspetti cambianti del mondo. Lo stato del
sistema ad un tempo dato
come tali aspetti si presentano a quel tempo. IL
comportamento del sistema i il cambiamento nel tempo e nello stato corrispettivo.
La totalità di tutti gli stati del sistema costituiscono un insieme di stati o
spazio dello stato. In tal modo il comportamento del sistema può essere pensato
come una sequenza di punti nel suo spazio dello stato. Non tutti gli aspetti del
mondo costituiscono un sistema. Un sistema distinto dal fatto che i suoi aspetti
in qualche modo si appartengono. Questo vuol dire due cose. Primo, gli aspetti
devono interagire con ogni altro; il modo in cui ognuno di essi cambia deve
dipendere dal modo in cui sono gli altri.
Approccio dinamico alle scienze
cognitive/8
Secondo, se c’è qualche altro aspetto del mondo che interagisce in questo senso con
ogni cosa nell'insieme, allora esso pure i realisticamente parte dello stesso
sistema. In breve, perché un insieme di aspetti venga qualificato come un sistema,
essi devono essere interattivi e auto-contenuti: il cambiamento in ogni aspetto
deve dipendere da e solo da altri aspetti nell'insieme.
I sistemi dinamici sono generi speciali di sistemi. Per vedere alcune loro qualità,
noi abbiamo bisogno di un'altra nozione quella di sistemi a stato-determinato
(Ashby, 1952) Un sistema a stato determinato soltanto quando il suo stato corrente
sempre determina un unico comportamento futuro.
Human Computer Interaction
Lo Human Computer Interaction (HCI) riguarda la progettazione di sistemi computerizzati che aiutano gruppi di persone a svolgere
le loro attività in modo produttivo e sicuro, all'interno di ambienti lavorativi ma anche ricreativi ed educativi. Il computer, come
mezzo cognitivo, sta diventando uno strumento che attualmente, grazie agli avanzamenti tecnologici, è utilizzato non solo da
esperti (come succedeva una trentina di anni fa) ma da una vasta gamma di utenti per i fini più svariati. I primi computer, comparsi
sulla scena commerciale intorno al 1950, erano estremamente difficili da usare, erano molto grandi e costosi, utilizzati
esclusivamente da scienziati ed ingegneri, i quali erano gli unici a possedere i "linguaggi specializzati" per farli funzionare. Da
allora molte cose sono cambiate. In primo luogo i computer sono diventati meno costosi e soprattutto più piccoli e più usabili e c'è
stato un processo di adeguamento fra l'uomo e questi strumenti perchè si arrivasse a renderli più facili e più maneggevoli. Ma per
quanto lo sforzo si sia concentrato sulla semplificazione dei linguaggi di interazione (gli strumenti per poter far funzionare
correttamente i computer: le interfacce), siamo ancora molto lontani da realizzazioni che siano immediatamente fruibili e facili da
apprendere. Infatti, nonostante in questa ultima decade, anche i bambini (vedi Kid Sim, una speciale interfaccia per bambini
sviluppata presso il Media Lab del Massachusetts Institute of Technology) e le persone portatori di handicap (vedi tutta la
tecnologia cosiddetta "assistiva") li possono utilizzare proficuamente e con personale soddisfazione, il gap fra la psicologia umana
e processi di pensiero biologici da una parte e macchina dall'altra è ancora notevole.
Interazione con agenti sintetici
al MIT
Agenti sintetici
Human Computer Interaction/2
Pertanto proprio le ricerche di psicologia, più di quelle tecnologiche, sono oggi determinanti per
compiere
passi
avanti.
Lo sviluppo dei primi personal computer nei primi anni '70, dovuto agli avanzamenti della ricerca
tecnologica che ha messo a punto il "chip" di silicone, l'abilità ingegneristica non solo di
miniaturizzare i circuiti ma anche di mettere insieme un gran numero di chip, ha dato luogo alla
realizzazione di computer sempre più potenti, con una grande capacità di stivare e processare
materiale informativo in formato digitale. La diffusione di questi sistemi computazionali è ormai
quasi
capillare.
I computer sono usati in tutti i settori produttivi (commercio, industrie, difesa, trasporti) e si stanno
ormai affermando prepotentemente anche nel settore dell'intrattenimento e dell'educazione. Si
può dire che vasti strati della popolazione odierna, a qualsiasi livello di età, dai bambini agli
anziani, sono in qualche modo influenzati dai computer. Questo fenomeno, di proporzioni ormai
enormi, sta inducendo i progettisti a pensare a dei sistemi computerizzati che si adattino a bisogni
fra i più diversificati. Infatti, perché i computer siano un prodotto di consumo e accettati dagli
utenti, è necessario che siano prima di tutto ben progettati. Questo non vuol dire pensare ad una
progettazione individualizzata, ma certamente specifica per i bisogni e le capacità di determinate
classi di utenze.
Human Computer Interaction/3
In ogni caso, la parte progettuale (come i computer sono costruiti nel loro interno, la loro architettura di circuiti,
ecc. ) non necessariamente interessa l'utente ed ha poca influenza su un utilizzo "esperto" del sistema. Una
buona progettazione influisce nell'interazione fra sistemi computerizzati ed utenti (ma anche nell'interazione uomo
oggetti della vita quotidiana) attraverso il modello mentale di funzionamento del sistema stesso che deve essere
compreso dall'utente. A questo proposito Norman (1988, 1992) individua due concetti chiave per una buona
progettazione. L'autore parla di "visibilità" ed "affordance". Con il primo concetto egli intende la possibilità per
l'utente di controllare visivamente tutta la mappa dell'interazione, individuando nel sistema le parti interagibili
(bottoni, leve, altro) che producono un feed-back e che permettono di capire a cosa servono e soprattutto la loro
funzione nel processo di interazione. Il secondo concetto "affordance" è un "termine tecnico che si riferisce alle
proprietà degli oggetti, ovvero quali operazioni possono essere fatte su un particolare oggetto". Le porte per
esempio suggeriscono l'apertura, le sedie il supporto. Le affordance giocano un ruolo dominante nella
progettazione di oggetti. Ma cosa è realmente importante è la funzione che viene percepita attraverso
l'espressione delle qualità caratteristiche, inerenti all'oggetto stesso. Molte volte l'estetica, nella progettazione di un
oggetto, è in contrasto netto con la funzionalità e con il far percepire all'utente tale funzionalità.
Immagini che si riferiscono alle
Facce Parlanti (Talking Heads)
Ambienti di interazione virtuale
Human Computer
Interaction/4
Un altro importante concetto che riguarda lo Human Computer Interaction è quello di "interfaccia utente", anche nota come "interfaccia
uomo-macchina". Moran (1981) definisce questo termine come tutti "quegli aspetti del sistema con cui un utente viene in contatto" che si
traducono, per l'utente in un linguaggio per inviare informazioni (input language) al sistema, e per la macchina, in un linguaggio di risposta
(output language) verso l'utente. Tali linguaggi innescano un ciclo comunicativo dialogico e determinano lo sviluppo del processo di
scambio,
che
si
effettua
normalmente
nell'interazione
uomo-computer.
Le interfacce si sono evolute nel tempo. Negli anni '70, quando ci fu la grande esplosione tecnologica, le case produttrici si accorsero che,
migliorando la parte fisica dell'interfaccia utente, rendendola più accattivante e comprensibile (quindi più funzionale), i computer potevano
essere più graditi sul mercato. Sotto la spinta commerciale, nacquero le cosiddette interfacce amichevoli, le cui qualità principali furono
quelle di rivelarsi, almeno nei primi tempi del loro avvento, piacevoli esteticamente e restando, dal punto di vista dei bisogni di chiarezza e
funzionalità
dell'utente,
perfettamente
incomprensibili.
Al contrario, nello stesso periodo, la ricerca sul settore era impegnata a verificare come l'uso dei sistemi computerizzati potesse
migliorare e arricchire la vita personale e lavorativa degli utenti. In particolare, l'attenzione dei ricercatori era concentrata sulle capacità e i
limiti degli utenti umani, per capire il lato umano dell'interazione con i computer e cioè le abilità di tipo psicologico coinvolte
nell'interazione.
Human Computer Interaction/5
Successivamente ci si rese conto che, anche i problemi riguardanti il training, le pratiche di lavoro come la gestione e l'organizzazione, la
salute e fattori neuro fisiologici, uniti a fattori ambientali, possono influire sull'interazione fra uomo e sistemi computerizzati.
Questo settore di studi fu chiamato Human Computer Interaction. Tale "disciplina riguarda la progettazione, la valutazione e
l'implementazione di sistemi interattivi di computazione per uso umano e lo studio dei principali fenomeni che li circondano" (ACM
SIGCHI,
1992).
Da quando fu costruito il chip di silicone (che ha permesso a così tanta gente di venire in contatto con i computer), la velocità di
innovazione tecnologica non è diminuita. Lo sviluppo di macchine sempre più potenti dal punto di vista della processazione delle
informazioni è un trend che continua, in combinazione con miglioramenti tecnologici sia nella struttura hardware che software. Strumenti
speciali permettono agli utenti di esplorare oggetti e di spostarli in ambienti virtuali; le applicazioni multimediali in cui suono, immagini
statiche e in movimento, video e testo sono strutturati insieme sono diventati patrimonio comune; sviluppi nelle telecomunicazioni come i
Servizi Digitali Integrati di Rete (ISDN ovvero Integrated Services Digital Network) permettono che flussi sempre crescenti di informazioni
di tutti i tipi (immagini, video, testi e suono) siano organizzati, veicolati e fruiti attraverso le reti, con grande efficienza e qualità. Tali
informazioni, stivate nei database (grandi librerie di documenti in formato digitale, ovvero processabili dai computer) possono essere
raggiunte da ogni cittadino, stando comodamente seduto a casa propria.
Intelligenza Artificiale
Che cosa significa Intelligenza Artificiale? Abbiamo visto che l’intelligenza è già di per sé un concetto abbastanza
difficile. La parola “intelligenza” deriva dal latino “legere” che significa raccogliere, collezionare, costruire.
“Intellegere” di solito si pensa abbia significato di “scegliere tra”, “comprendere”, “percepire” e “conoscere”.
Feigenbaum e McCorduk (1983) commentavano: “Se potremo immaginare un artefatto che possa raccogliere,
costruire, scegliere, capire, percepire e conoscere, allora tale artefatto avrà un’intelligenza artificiale”. La definizione
di I.A. che ognuno dà, dipende fortemente dalle proprie aree di interesse. Così Margaret Boden (1977) dichiara:
“Una cosa però è certa: l’Intelligenza Artificiale non è lo studio dei computer. I calcolatori sono macchine metalliche
di interesse specifico per gli ingegneri elettronici, ma come tali, per non molte altre persone”. Per I.A. Boden intende
“ l’uso dei calcolatori e di tecniche di programmazione al fine di far luce sui principi dell’intelligenza in generale e
del pensiero umano in particolare”.
Intelligenza Artificiale/2
L’idea è che l’espressione possa essere usata “come un termine che copra tutta la ricerca fatta
con delle macchine, che sia in qualche modo in relazione con la psicologia e la conoscenza
umana...”. In un approccio del genere l’enfasi è posta sul software: sembra persino che si
debba immaginare che, quando uno ha scritto una sequenza accettabile di istruzioni in codice,
abbia creato un certo tipo di “macchina” con intelligenza artificiale. Ma non tutti i ricercatori
considerano i computer come relativamente privi di importanza: l’immagine delle “lattine” di
hardware non è universale. Un programma può, ad esempio simulare il comportamento di un
robot, ma la sua importanza pratica dipende unicamente dal fatto che sia disponibile un
sistema fisico su cui esso possa venire eseguito. Marvin Minsky, in una famosa citazione ha
suggerito il carattere pratico dell’Intelligenza Artificiale: “L’Intelligenza Artificiale è la
scienza che si occupa di far fare alle macchine cose che, se fatte da un uomo, richiederebbero
intelligenza”.
Intelligenza Artificiale/3
Ma la definizione non dice nulla sulla natura dell’intelligenza. Come si è visto, in genere si ritiene che la
capacità umana di compiere calcoli complessi richiede intelligenza, ma assai di rado i ricercatori nel campo
dell’Intelligenza Artificiale includono tale tipo di capacità in tale ambito. Ho già indicato qualcosa sulle
caratteristiche dell’Intelligenza Artificiale, dando un elenco di attività tipiche dei ricercatori in questo
campo, come la risoluzione dei problemi, la percezione ed i giochi. Un altro approccio consiste
nell’elencare gli scopi dell’Intelligenza Artificiale in termini più generali.
In questo modo si può dare una definizione efficace di Intelligenza Artificiale Aron Sloman (1978), per
esempio vede tre fini principali della ricerca sull’intelligenza artificiale:
- analisi teoretica delle possibili spiegazioni efficaci del
comportamento intelligente;
- spiegazione delle capacità umane;
- costruzioni di artefatti intelligenti.
Robots antichi e moderni
Intelligenza Artificiale/4
Queste finalità così estese implicano il nascere di molte ulteriori questioni. Si riconosce che il
comportamento intelligente ha a che fare con la capacità “di costruire, descrivere, interpretare,
confrontare, modificare ed usare strutture complesse, comprese certe strutture simboliche
come le frasi, i dipinti, le carte ed i piani d’azione”. Per di più la ricerca nell’Intelligenza
Artificiale che è specifica del dominio è destinata a sovrapporsi alla ricerca in altre discipline,
molte delle quali hanno riferimenti umanistici (psicologia, educazione, antropologia e
fisiologia). E’ impossibile, ad esempio far comprendere ad un calcolatore un linguaggio
naturale (come l’inglese o il giapponese) senza la sintassi e la semantica (cioè senza
interessarsi di linguistica). La difficoltà nel definire l’Intelligenza Artificiale deriva da due
fattori principali. Il primo è che la stessa intelligenza è mal definita e poco compresa; il
secondo è che molti individui hanno una riluttanza profondamente radicata ad ammettere che
degli artefatti possano sviluppare attributi mentali.
Intelligenza Artificiale/5
Il secondo motivo inevitabilmente confonde il ”gioco” di definizione: qualsiasi cosa i computer realizzano
gli scettici guardano sempre a quelle cose ancora non ottenute che costituiscono la “vera” intelligenza. Però
è chiaro che più i computer si avvicinano alle capacità umane più sarà difficile dimostrare che essi non
hanno un comportamento veramente intelligente.
Molti dei primi obiettivi degli entusiasti dell’Intelligenza Artificiale sono ancora irrealizzati. Per
esempio, non vi è ancora un traduttore universale di linguaggio ed il campione mondiale di scacchi è ancora
un essere umano.
Nello stesso tempo, importanti progressi dell’Intelligenza Artificiale sono stati fatti in un certo numero
di campi diversi; tra questi :
- traduzione automatica dei linguaggi;
- giochi (scacchi, backgammon, bridge, poker, ecc...);
- dimostrazione di teoremi (nella logica simbolica e nella
geometria elementare);
Intelligenza Artificiale/6
- lettura di caratteri manoscritti o stampanti;
- riconoscimento di elementi in un’immagine fotografica;
- riconoscimento di facce umane (anche quando assumono
differenti espressioni);
- riconoscimento di parole parlate e del parlare continuo;
- comprensione dei linguaggi naturali (risposte a domande e
riassunto di parti di testo);
- scrittura di poesie e brevi storie;
- composizione di melodie musicali ed armonizzazioni;
- pensiero per analogie (ad esempio usando forme geometriche);
- diagnosi di difetti e guasti in circuiti elettrici.
Intelligenza Artificiale/7
In una indagine sulle possibilità dei computer (Winston, 1979) viene puntualizzato che essi, in vario modo possono:
- effettuare prove di intelligenza geometrica;
- apprendere nozioni matematiche, geometriche e di altre discipline;
- comprendere un inglese semplice;
- comprendere semplici disegni;
- risolvere problemi matematici, chimici, medici ed altri campi;
- comprendere circuiti elettronici;
- compiere utili lavori nell’industria;
- modellare i processi psicologici umani;
-costruire agenti intelligenti;
-costruire caratteri sintetici.
Intelligenza Artificiale/8
Sintetizzando, Winston, scrivendo parecchi anni dopo, commenta il fatto che i computer possono già
svolgere molte cose che richiedono intelligenza: “Possono risolvere molti problemi come degli esperti, fare
dei ragionamenti geometrici, risolvere problemi matematici, apprendere semplici concetti, comprendere
semplici disegni, ingaggiare semplici dialoghi e compiere attività utili”. Oggi con il crescente interesse nei
sistemi esperti e l’impatto del programma giapponese della quinta generazione c’è sempre un più ampio
riconoscimento delle possibili collocazioni di artefatti intelligenti.
Agenti autonomi
Un agente autonomo può essere visto come un sistema capace di interagire indipendentemente ed efficacemente con il
suo ambiente attraverso i suoi sensori ed i suoi effettori per compiere alcuni compiti (Davidsson, 1996).
Mentre l’Intelligenza Artificiale e il settore computazionale della Scienza Cognitiva si sono concentrate sulla i
modellizzazione dell’esecuzione di alcuni compiti che sono facilmente descrivibili in termini di un ben specificato
insieme di simboli e un articolato insieme di regole per operare su quei simboli (Simon, 1990), ma tralasciando
completamente il problema di come quei simboli sono correlati all’ambiente (Harnad, 1990), il settore di ricerca sugli
Agenti Autonomi sta cercando di sviluppare modelli alternativi di progettazione e d’implementazione di sistemi
intelligenti.
Il punto di partenza è sempre lo studio dell’intelligenza. Ci sono due tipi di approcci per analizzare il problema.
a)Si può studiare l’intelligenza o la cognizione dal punto di vista computazionale, attraverso la modellazione cognitiva
(cognitive modeling), che cerca di sviluppare teorie dei processi cognitivi negli umani e negli animali.
b) Si può studiare l’intelligenza dal punto di vista ingegneristico, che tenta di esplorare tutti i possibili meccanismi
cognitivi, senza rispetto della loro occorrenza negli organismi viventi.
Agenti autonomi/2
Contribuiscono al primo approccio:
a)la Psicologia Cognitiva che studia come gli umani trattano i concetti nei processi di memoria, di percezione, ragionamento, ecc.;
b)la Filosofia ( in maniera particolare la branca specializzata della Filosofia della Mente) disciplina nella quale le questioni ontologiche ed
epistemologiche riguardano la natura dei concetti studiati;
c)la Psicologia dello sviluppo, che tratta le questioni che riguardano come formiamo e impariamo i concetti durante lo sviluppo ontogenetico;
d)la Linguistica, settore in cui sono studiate le relazioni fra concetti e linguaggio;
e)la Neurologia, che investiga la processazione di basso livello dei concetti nel cervello;
f)le Neuroscienze, che si interessano di correlare particolari aree cerebrali con la produzione di concetti.
Per quanto riguarda l’approccio ingegneristico esso è stato adottato nel campo dell’Intelligenza Artificiale.
Per la costruzione di agenti autonomi attualmente viene utilizzato un approccio misto che presuppone che il compito di creare tali sistemi intelligenti
non è equivalente alla modellizzazione cognitiva, in quanto un modello cognitivo non necessariamente deve essere un modello reale della cognizione
umana per essere utile in in Intelligenza Artificiale. Per cui i ricercatori di questo settore non si interessano della plausibilità dei modelli presentati.
Agenti Autonomi/3
Un agente autonomo può essere visto come un sistema capace di interagire
indipendentemente ed efficacemente con il suo ambiente attraverso i suoi sensori ed effettori
per compiere qualche compito o dato in partenza o autogenerato dall’agente stesso. Il compito
dell’Intelligenza Artificiale è quello di creare agenti autonomi artificiali capaci di
raggiungere il livello di performance umana. Uno sguardo alla ricerca corrente in Intelligenza
Artificiale rivela che si è distanti dal raggiungere tale obiettivo.Tutti gli agenti autonomi in
Intelligenza Artificiale hanno, più o meno, una architettura formata da sensori, magazzini dei
dati sensoriali, un gruppo di processo, un sistema dove sono stivate le azioni, gli effettori. I
sensori (visivi, direzionali e di tatto) ricevono input dall’ambiente e forniscono dati per la
componente cognitiva. In seguito, la componente cognitiva decide quale azione eseguire e
comanda gli effettori (differenti tipi di motori) per espletare queste azioni.
Agenti Autonomi/4
Differenti tipi di agenti
Esistono differenti tipi di agenti in Intelligenza Artificiale. E’ possibile dividere le classi più generali di agenti autonomi in categorie sulla base di
come, e in quale grado, essi realmente interagiscono con il mondo reale. Due caratteristiche importanti sono se tali agenti sono situati oppure no, se
sono incorporati oppure no. Secondo Brooks (42)gli agenti situati (situated agentes) sono situati nel mondo nel senso che essi non trattano solo con
una descrizione astratta di esso. Le caratteristiche ambientali influenzano direttamente il comportamento dell’agente..
Gli agenti incorporati (embodied agents) hanno corpi ed esperiscono il mondo direttamente; le loro azioni sono parte di una dinamica con il mondo, e
le azioni hanno immediato feed-back sulle sensazioni proprie del robot (Brooks).
Gli agenti che non sono né situati né incorporati sono quelli che hanno meno interazioni con il mondo reale; essi sono in fondo simulazioni di
computer di agenti reali . Una classe di agenti incorporati che non sono situati, sono i robot industriali. Essi hanno corpi fisici ma non usano
l’informazione sul corrente stato dell’ambiente per guidare il loro comportamento; eseguono una serie di azioni pre-programmate. Per esempio, un
sistema per fare la prenotazione di biglietti è situato, come gli eventi nell’ambiente (richieste, cambi nel DB) e direttamente influenzano il suo
comportamento.
Agenti sintetici al Mit
Agenti autonomi/5
Poiché il sistema non è fisico e l’interazione con l’ambiente consiste soltanto nel mandare e ricevere messaggi, tale sistema non può essere considerato
incorporato. Altri tipi di sistemi che appartengono a tale categoria sono i software agents, o softbots, agenti che operano in ambienti software
(operating system o databases).
Embodied
Situated mobile robots
Not embodied
Software agents
Non situated traditional industrial robot
Computer simulation
Nei sistemi di Intelligenza Artificiale tradizionali, un operatore umano è presente e descrive l’ambiente (il problema) mandando informazioni al
computer. I risultati della computazione del computer sono interpretati dall’operatore, il quale, in seguito, esegue l’azione richiesta.
Un agente autonomo, d’altra parte, deve osservare l’ambiente da sé e trasformare queste osservazioni in descrizioni per il computer che verranno
computate ulteriormente. Inoltre, esso deve interpretare i risultati delle sue computazioni e in seguito eseguire le azioni appropriate.
Robots attuali
Sistemi Multiagenti (MAS) e
Intelligenza Artificiale distribuita
(DAI)
(Multi Agent System, MAS)
Multi Agent System è un sottocampo emergente dell’Intelligenza Artificiale che ha come scopo quello
di fornire principi per la costruzione di sistemi complessi che coinvolgono molti agenti e meccanismi
di coordinazione del comportamento di tali agenti.
Anche se non esiste una definizione generalmente accettata di Agente in Intelligenza Artificiale, alcuni
autori (per esempio, Stone e Veloso, 1997) considerano un agente come una entità dotata di obiettivi,
azioni, un dominio di conoscenza, situato in un ambiente. Il modo in cui agisce è detto comportamento.
Il settore si sta sviluppando nel campo della Intelligenza Artificiale distribuita (Distribuited Artificial
Intelligence, DAI), un sottosettore dell’Intelligenza Artificiale che applica le tecniche sviluppate in
quest’ultimo settore ai problemi della computazione distribuita. I principali argomenti considerati in
tale sottosettore sono la gestione dell’informazione come la decomposizione del compito e la sintesi di
soluzione.
Sistemi multiagenti/2
Parallelamente al DAI, negli anni passati è emerso un altro settore che si è focalizzato sulla gestione del
comportamento, piuttosto che sulla gestione dell’informazione: il settore che riguarda i Multi Agent
Systems (MAS). In tale campo di ricerca i sotto problemi di un problema più generale sono risolti da
differenti agenti problem solvers, ciascuno con propri interessi e propri obiettivi. In questi ultimi tempi si
sta assistendo alla nascita di sistemi con agenti multipli di ogni tipo, persino con alcuni veicoli autonomi e
agenti umani che interagiscono.
Il settore è organizzato in una serie di scenari multi agente, a complessità crescente. Infatti, poiché i sistemi
multi agenti sono anche molto eterogenei, oltre che complessi, per creare una tassonomia di tali sistemi,
sono state individuate due dimensioni di analisi: eterogeneità degli agenti e quantità di comunicazione fra
gli agenti.
Robots che suonano il piano
Robotica
Entertainment robots
Reti neurali e connessionismo
–
Le reti neurali (Neural Networks), o per meglio dire le reti neurali artificiali (Artificial Neural Networks) per
distinguerle dalle reti neurali di tipo biologico, le cui architetture sono sicuramente più complesse, sono una
struttura composta da processori semplici, le unità, ognuna delle quali ha un piccolo deposito di memoria
locale. Le unità sono connesse da canali di comunicazione unidirezionali (le connessioni), che trasportano
dati numerici o digitali. Le unità operano soltanto sui loro dati locali o sugli input che ricevono attraverso le
loro connessioni. Una rete neurale è uno strumento di processazione di informazioni, e può concretizzarsi
sia in un software (un algoritmo) sia in uno strumento hardware, la cui progettazione emula in qualche modo
la progettazione e il funzionamento del cervello umano e dei suoi componenti. Numerose reti neurali hanno
regole interne che permottono loro di apprendere dall'esperienza; attraverso tali regole è possibile cambiare
i pesi delle connessioni, sulla base dei modelli di presentazione appresi durante il training formativo iniziale.
Per cui si può dire che le reti neurali sono algoritmi, ispirati più o meno dal tipo di strutture computazionali
trovate nel cervello, che permettono ai computer di imparare dall'esperienza. Tali reti contengono elementi di
processo, conosciute come "unità", che sono analoghe ai neuroni. Questi elementi sono classificati come
unità di input, unità nascoste e unità di output. Se una di queste unità viene connessa ad un'altra, l'attività di
una unità influenza l'attività dell'altra. L'inclinazione all'attività che in una unità induce o inibisce l'attività
nell'altra è il "peso" della connessione tra queste unità. Le reti imparano modificando le forze o i pesi di
queste connessioni. Le unità di input, come i recettori dei sensori del sistema nervoso biologico, ricevono
informazioni dal mondo esterno alla rete. Nel sistema nervoso, un recettore sensoriale deve tradurre un
segnale come per esempio l'intensità luminosa nella forza di un segnale.
Reti neurali e connessionismo/2
–
In una rete connessa pienamente, tutte le unità di input si connettono a tutte le unità nascoste, e tutte le
unità nascoste si collegano a tutte le unità di output. Esistono molte variazioni su questo tema. Questa
classe di reti è detta di "preazione" (feed-forward) perchè l'attività in una unità influenza soltanto l'attività
delle unità nello strato posteriore, non quelle del primo strato. Esistono anche reti ricorrenti o di ritorno (feedback or recurrent networks). Per ogni connessione fra due unità, un "peso" caratterizza la "forza" della
connessione. L'apprendimento della rete richiede la modificazione selettiva di questi pesi, e differenti
strategie sono state investigate per compiere questo processo. Le reti imparano, modificando
successivamente la forza delle connessioni fra le unità, nella direzione di ridurre l'errore in fase di output.
Backpropagation
dell'
errore
Lo stato dinamico di una rete neurale è determinato dalla funzione di trasferimento dei segnali da uno strato
all'altro o tra strati di unità. In una rete che non apprende, tutti i pesi delle unità sono fissati e non cambiano.
I pesi iniziali possono essere stabiliti da un algoritmo, oppure possono essere dati a caso. I pesi di
interconnessione fra le unità sono cambiati in funzione dell'algoritmo di apprendimento. L'obiettivo principale
è quello di aggiustare i pesi cosicchè l'errore nello strato di output venga ridotto. La "backpropagation of
errors" è attualmente l'algoritmo di apprendimento più usato per reti multistrato. Esistono tuttavia centinaia di
algoritmi
di
apprendimento.
Reti neurali e connessionismo/3
Tale algoritmo prima aggiusta i pesi connessi allo strato di output. Dopo, lavorando a ritroso sullo strato di input,
aggiusta
i
pesi
in
ogni
strato
successivo
per
ridurre
l'errore
ad
ogni
livello.
Per rendere questo processo concreto e contestualizzarlo nell'argomento che si sta trattando, il riconoscimento
automatizzato di facce all'interno della Computer Vision, riportiamo brevemente come può essere utilizzata una
rete
neurale
in
questo
settore.
Un insieme di immagini di facce servono come input. Valori normalizzati di livelli di grigio per ogni punto
dell'immagine (formata da 30x30 pixel) forniscono i valori per ognuna delle 900 unità di input. Queste attività sono
passate, attraverso pesi inizialmente casuali, a 40 unità nascoste, che, a loro volta, sono connesse, inizialmente
da pesi dati a caso, ad una singola unità di output. Questa unità fornisce alla fine del processo il valore di zero, se
la faccia input è di sesso femminile; e il valore uno se la faccia input è di sesso maschile. L'output attuale non avrà
alcuna somiglianza all'output desiderato, in quanto i pesi sono stati dati inizialmente a caso. L'errore di output sarà
calcolato. La rete deve imparare a riconoscere le facce, per cui deve fare un training appropriato.
Reti neurali e connessionismo/4
Dopo che tutte le facce che sono servite per il training, sono state presentate (riservando solo alcune facce per
verificare e testare la rete più tardi), sarà calcolata la somma di tutti gli errori per tutte le facce e i pesi saranno
modificati leggermente, per far sì che la rete svolga meglio il suo compito con il prossimo gruppo di immagini.
Questo processo sarà ripetuto fino a quando la rete non svolge bene il compito del riconoscimento. A questo
punto, verranno presentate le immagini test (sulle quali la rete non aveva svolto alcun training) per valutare la
performace della rete nell'esecuzione del compito. Le 40 unità nascoste sono una rappresentazione
sottodimensionata
della
faccia.
Molti dei misteri che riguardano le proprietà matematiche delle reti neurali di preazione e della backpropagation
sono state sottoposte ad analisi negli ultimi anni. Attualmente si sa che tali reti sono degli approssimatori, nel
senso che le reti di preazione possono approssimare funzioni con comportamenti chiari ad una accuratezza
arbitraria. Reti con unità nascoste lineari eseguono l'analisi dei componenti principali (eigenfaces); reti con unità
nascoste non lineari forniscono una generalizzazione non lineare di queste tecniche.
Reti neurali e connessionismo/5
Attualmente le reti neurali sono utilizzate in un numero di settori disciplinari veramente vasto, coinvolgendo diversi ricercatori, tra cui:
scienziati che si occupano di computer e simulano attraverso le reti neurali tutti quei fenomeni che trattano la processazione di
informazione non-simbolica e i sistemi di apprendimento in generale; ingegneri, di diversa estrazione disciplinare, sfruttano le capacità
delle reti neurali in molte aree di ricerca (signal processing and pattern recognition) per risolvere i loro problemi applicativi; ricercatori di
scienze cognitive, i quali vedono nelle reti neurali uno strumento che fornisce la possibilità di descrivere ed esplorare le funzioni del
cervello di medio livello, quali la memoria, il sistema sensorio, il sistema motorio umano e artificiale; fisiologi, i quali usano le reti neurali
per modellare i fenomeni nella meccanica statistica e per molti altri compiti; biologi, che usano le reti neurali per interpretare le sequenze
di nucleotidi del DNA; filosofi e linguisti, per lo studio delle reti semantiche e per varie altre ragioni. Le architetture di rete cosidette di
preazione sono usate in molte applicazioni di reti neurali e sono molto versatili. Per molte applicazioni come per esempio il riconoscimento
del parlato, in cui l'informazione da processare si sviluppa nel tempo, i modelli temporali possono essere mappati in un insieme spaziale,
convertendo il modello temporale in un modello spaziale, un arrangiamento chiamato "rete neurale con tempo ritardato"(time-delay neural
network) (Sejnowski e Rosenberg, 1987Architetture di reti neurali più avanzate incorporano proprietà dinamiche, tali come la
processazione temporale nei nodi (costanti di tempo o memoria a breve termine) e connessioni ). per il feed-back (Pearlmutter, 1989).
Queste architetture di reti neurali sono anche state usate per risolvere i problemi di controllo meccanico, come il controllo di un arto di un
robot (Jordan et al., 1992) o il tracciato dell'occhio che si muove seguendo oggetti in movimento (Lisberg e Sejnowski, 1992).
Neuroscienze
Lista di risorse sulle Neuro scienze
Autonomic
Nervous
System
A web-based tutorial and on the structure and function of the autonomic nervous system. (Kenneth Chan)
Blood
Supply
of
the
Brain
A strait-forward explanation of the blood supply to the central nervous system. Also discusses the basics of stroke
(brain attack). ( Eric Chudler)
Brain
Model
Tutorial
Uses some nice graphics to give a simple overview of the brain's gross anatomical features. (Mark Darty)
The
Brain
A short quiz on neuroanatomy and function with some good dissection photos.
Page
Brain
Poke
An interactive demonstration of what a brain surgery patient might perceive after stimulating certain areas of the
cerebral cortex. (J.R. Leitch and Tyler Lorig)
Normal aging structure and
function
Neuroscienze/2
BrainSurf
An attractive web site with basic information about neuroscience, some games, a short glossary, and more. (Roger
West, Paula Wirth, Cynthia Miller)
Brain
A fairly thorough overview of neuroanatomical aspects of the brain, it's blood supply, and basic function.
Tutorial
Cell
Biology
Laboratory
(A+) A comprehensive on-line manual of cellular biology and relevant methods. (William H. Heidcamp)
Manual
CNS
Exam
(A+) This is cool. An on-line medical neuroscience exam with realtime scoring and answers. Two parts with
questions 1-55, and 56-99. ( Univ. Utah)
Do
We
Use
Only
Learn the facts behind the myth. ( Eric Chudler)
10%
or
Our
Brain?
Neuroscienze/3
– Drugs,
Brains
and
Behavior
(A+) An on-line textbook covering aspects of how drugs affect the way we act. (
C. Robin Timmons & Leonard W. Hamilton)
– Global
Brainstem
(A+) This is a very useful site that covers anatomy and some functional aspects
of the brainstem nuclei. Includes quizzes. (John K. Harting)
– Global
Cerebellum
This is a very useful site that reviews the anatomy and some functional aspects
of the cerebellum. (John K. Harting)
– Global
Cranial
Nerve
Review
This is a very useful site that reviews the cranial nerves. (John K. Harting)
– Global
Spinal
Cord
This is a very useful site that covers anatomy and some functional aspects of the
spinal cord. (John K. Harting)
– Glossaries
of
Neuroscience
Sites that provide dictionaries and glossaries relevant to neuroscience.
Terms
Struttura cerebrale
Neuroscienze/4
How
are
we
protected
from
the
cold?
A short article that describes the physiological and behavioral strategies used by our brain to keep us the right
temperature. ( Brain Backgrounders)
How
do
facts
stick
in
A short article that describes the biological basis for memory. ( Brain Backgrounders)
our
mind?
How
Do
Nerve
Cells
Communicate?
A short article that discusses how the function of neurons controls our actions. ( Brain Backgrounders)
Internet
Resources
for
Teaching
Neuroscience
A good, concise list of useful resources for getting the basics in neuroscience from the internet. ( Eric Chudler)
Know
Your
Brain Basics: a quick overview of the brain and its function. ( NINDS)
Brain
Medical
Biochemistry
An on-line biochemistry text book. Includes a section on Biochemistry of Nerve Transmission. ( Michael W. King)
Neuroscienze/5
The
Medical
Education
A WebRing devoted to medical education sites. You can also visit their home page.
WebRing
Neuro
National
Board
Review
(A+) About to take your medical boards? Here's a site with a practice exam and real-time answers. (John K.
Harting)
Neuroanatomy
and
Pathology
on
the
Internet
(A+) A guide for medical students and health professionals, it offers a variety of resources on anatomy, histology,
publications and more. (Katalin Hegedüs)
Neurological
Surgery
(A+) An on-line exam of neurosurgical knowledge. (M. Sam Elijamel)
Neuromuscular
Disease
This is a cool site, essentially a neuromuscular disease textbook on the web. ( Alan Pestronk)
The
Neuron
and
The
Nervous
Reviews the basics of the neuron, the brain and electrophysiology. ( Sophie Duncan)
Quiz
Center
System
Neuroscienze/6
NeurOn
Neuroscience research at NASA. Includes chat, question forum, images, and more.
Neurolab
Explore NASA'a efforts in neuroscience research on the space shuttle.
Neurophysiology
This site is useful. It's Neuro 101, lucidly explaining the physiology and function of the nervous system. (Univ.
Waterloo)
Neuroscience
Homepage fo the Association of Neuroscience Departments and Programs.
Departments
Neuroscience
Laboratory
Experiments
PDF files of a manual for 12 neuroscience experiments that can be used in the classroom - created by the
National Association of Biology Teachers.
Neuroscience
Tutorial
Designed for medical students and Washington University School of Medicine. (Diana Weedman Molavi)
Neuroscienze/7
Neuroscience
Education
Lists of links to various neuroscience information sources. Very useful! ( Eric Chudler)
Page
Neuroscience
for
Kids
(A+) This is great site. It's designed for kids to learn about all aspects of neuroscience andfor teachers planning
neuroscience education. ( Eric Chudler)
Neuroscientist
Network
Kids and teachers get their neuroscience questions answered. ( Eric Chudler)
Q/A
Newton's
Apple:
Non-technical explanations and demonstrations of neuroscience basics designed for kids.
Brain
Newton's
Apple:
Non-technical explanations and demonstrations of neuroscience basics designed for kids.
Reflexes
Probe
the
Brain
Interactive site that allows you to stimulate a brain from the comfort of your own computer. Also delves into the
history of localization of function. ( PBS)
Tecniche di visualizzazione
scientifica (un virus)
Neuroscienze/8
–
Statistics:
By
A simple explanation of basics in statistics. ( Eric Chudler)
–
What
is
the
Cerebellum?
A short article that describes the cerebellum and its role in regulating motor coordinated movement. ( Brain
Backgrounders)
–
What
is
Neuroscience?
A short article that explains what the discipline of neuroscience and what various sub-specialties of
neuroscientists do. ( Brain Briefings)
–
Writing
and
Funding
Proposal
Designed as a tool for advanced graduate students and others to learn more about the actual proposal
writing process. (S. Joseph Levine)
–
Writing
and
Presenting
Your
Thesis
Created to assist graduate students in thinking through the many aspects of crafting, implementing and
defending a thesis or dissertation. (S. Joseph Levine)
Neuroscience
Neuroscience
Neuroscience Textbook
the
Numbers
Dictionary
Education
Linguistica computazionale
La Linguistica Computazionale è una disciplina che sta tra la linguistica tradizionale e la
Computer Science che si interessa degli aspetti computazionali del linguaggio umano. Appartiene
alle Scienze Cognitive e sconfina dentro l'Intelligenza Artificiale, una branca della Computer
Science il cui scopo è quello di costruire modelli delle facoltà cognitive umane. La Linguistica
Computazionale
ha
una
parte
applicativa
e
una
parte
teorica.
La parte applicativa si interessa dei risultati pratici che si possono ottenere attraverso la
creazione di un modello del linguaggio. Questi prodotti, che possono essere sia software che
hardware, sono necessari per migliorare l'interazione uomo-macchina in quanto il principale
ostacolo tra uomo e computer è quello della comunicazione. Attualmente i computer non
capiscono il linguaggio umano e i linguaggi di programmazione non sono così "amichevoli" per gli
utenti, anzi il più delle volte risultano difficili e incomprensibili, soprattutto per i non addetti ai
lavori. Inoltre i linguaggi di programmazione certamente non sono simili al modo di processare
del
pensiero
umano.
Immagini di Vita Artificiale
Linguistica computazionale/2
Sebbene i programmi di Linguistica Computazionale sono molto lontani dal raggiungere l'abilità umana, essi
hanno la possibilità di essere applicati in numerosi settori. Anche se il linguaggio che la macchina comprende e il
suo dominio di discorsi è molto ristretto, l'utilizzo del linguaggio umano nell'interazione uomo-computer o uomomacchina può aumentare l'accettazione e la gradevolezza degli strumenti di comunicazione tecnologica da parte
degli uomini, con sicuri miglioramenti della loro produttività. Le interfacce basate sul linguaggio permettono agli
utenti di comunicare con il computer con qualsiasi lingua naturale. Alcune di tali interfacce sono applicazioni che
permettono di inviare richieste ad un database per ottenere informazioni, di richiamare testi, oppure sono sistemi
esperti. Gli attuali avanzamenti nel riconoscimento del linguaggio parlato migliorano l'usabilità di molti tipi di
sistemi basati sul linguaggio naturale. La comunicazione con i computer, usando le interfacce basate sul
linguaggio avranno sicuramente una ripercussione nel mondo del lavoro e sulle modalità di svolgere il lavoro
stesso, sull'utilizzo dei nuovi strumenti di comunicazione da parte di disabili e gruppi svantaggiati, aprendo aree di
applicazione
completamente
nuove
per
la
tecnologia
dell'informazione.
Un altro problema che le interfacce basate sul linguaggio potrebbero risolvere è quello della comunicazione fra
persone che parlano lingue differenti.
Verbots
Linguistica computazionale/3
Infatti, uno dei principali obiettivi della linguistica computazionale era (e lo è ancora) quello di sviluppare sistemi di
traduzione completamente automatizzati tra i linguaggi umani. Molti scienziati devono constatare amaramente
che, ancora oggi, essi sono lontani dall'aver raggiunto questo obiettivivo. Ciononostante, la Linguistica
Computazionale ha realizzato sistemi software che sicuramente (anche se certamente in modo molto limitato)
possono aiutare il lavoro dei traduttori umani e chiaramente aumentare la loro produttività. Il futuro della
Linguistica Computazionale sarà determinato dal crescente bisogno degli utenti di comunicare con i computer
attraverso interfacce che utilizzino il linguaggio, ricreando condizioni di comunicazione molto simili ai modelli
dell'interazione uomo-uomo. Anche se tale livello di imitazione della competenza linguistica umana non sarà
raggiunto nei prossimi anni, i ricercatori nel settore della Linguistica Computazionale hanno numerosi obiettivi
immediati da raggiungere che coinvolgono la progettazione, la realizzazione e il mantenimento di sistemi che
facilitino la vita quotidiana, come per esempio gli individuatori automatizzati di errori, per i programmi di wordprocessing.
Agenti sintetici
Linguistica computazionale/4
La parte teorica della Linguistica Computazionale prende direttamente le mosse dalla
Linguistica teorica. Quest'ultima si interessa delle teorie formali che sono state
elaborate nel corso del tempo (vedi il capitolo sulla comunicazione verbale), riguardo
la conoscenza di cui un essere umano ha bisogno per generare e produrre il
linguaggio. Attualmente queste teorie hanno raggiunto un grado di complessità che si
può maneggiare solo utilizzando i computer. La Linguistica Computazionale ha
sviluppato modelli formali simulando aspetti del linguaggio umano e implementandoli
come programmi di computer. Questi programmi costituiscono la base per la
valutazione e per l'ulteriore sviluppo delle teorie. In aggiunta alle teorie linguistiche, le
scoperte che provengono dai settori di ricerca dalla Psicologia Cognitiva e in
particolar modo dall'area che si chiama Psicolinguistica (Carroll, 1964), migliorano la
simulazione delle competenze linguistiche.
Vita artificiale
La Vita Artificiale , come disciplina, riguarda la costruzione e lo studio sistemi creati dall’uomo che possiedono le proprietà essenziali
della vita naturale. I principali problemi di cui si interessa sono:
Quali sono le proprietà essenziali della vita? Qual è il range di possibilità che la vita potrebbe prendere? Si possono utilizzare tali forme
di vita per migliorare la risoluzione di problemi in aree tradizionali quali la Biologia e l’Ingegneria?
Cos’è la Vita artificiale? Proviamo a dare qualche risposta utilizzando le definizioni dei più importanti studiosi di tale settore.
“Lo studio dei sistemi fatti dall’uomo che esibiscono comportamenti carattistici dei sistemi viventi naturali.”
–
C. G. Langton. "Artificial Life." In C. G. Langton, editor. Artificial Life, Volume VI of SFI Studies in the
Sciences of Complexity, pages 1-47, Addison-Wesley, Redwood City, CA, 1989.
“La Vita Artificiale è un campo di studi dedicato alla comprensione della vita attraverso il tentativo di estrarre i principi dinamici
fondamentali che soggiacciono ai fenomeni biologici, e di ricreare tali dinamiche in altri media fisici, come i computer, rendendo tali
fenomeni accessibili a nuovi tipi di manipolazioni sperimentali e di verifica.”
–
C. G. Langton. "Preface." In C. G. Langton, C. Taylor, J. D. Farmer, and S. Rasmussen, editors, Artificial
Life II, Volume X of SFI Studies in the Sciences of Complexity, pages xiii-xviii, Addison-Wesley, Redwood
City, CA, 1992.
Ambienti virtuali di Vita Artificiale
Vita artificiale/2
“La vita Artificiale è l’impresa di capire la biologia costruendo fenomeni biologici al di fuori delle
componenti artificiali, piuttosto che rompere le forme naturali di vita nelle parti che le
compongono. E’ l’approccio sintetico piuttosto che l’approccio riduttivo.”
– T. S. Ray. "An evolutionary approach to synthetic biology: Zen and the art of
creating life." Artificial Life Journal, Volume 1, Number 1/2, pages 179-209, 1994.
The MIT Press, Cambridge, MA.
"... I modelli della Vita artificiale ... Sono abbastanza potenti per catturare la maggior parte della
complessità dei sistemi viventi, in una forma che è facilmente manipolabile, ripetibile e soggetta a
esperimenti rigorosamente controllati che sono il corrispondente dei sistemi naturali.”
–
C. Taylor and D. Jefferson. "Artificial life as a tool for biological inquiry." Artificial Life Journal,
Volume 1, Number 1/2, pages 1-13, 1994. The MIT Press, Cambridge, MA.
Immagini di Vita Artificiale
Teoria del Caos illustrata
Teoria del Caos illustrata/2
Teoria del Caos illustrata/3
Teoria del Caos illustrata/4
Teoria del Caos illustrata/5
La farfalla di Lorentz